语言大模型 / LLM

Large Language Models and Their Applications in Roadway Safety and Mobility Enhancement: A Comprehensive Review

大语言模型及其在道路安全与出行提升中的应用：全面综述

Muhammad Monjurul Karim, Yan Shi, Shucheng Zhang, Bingzhang Wang, Mehrdad Nasri, Yinhai Wang

机构 * Department of Civil and Environmental Engineering, University of Washington（土木与环境工程系，华盛顿大学） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；foundation model(abstract)

AI总结 本文综述了大语言模型在道路安全与出行提升中的应用，探讨其在交通领域的适应策略及面临的挑战。

Journal ref Artificial Intelligence for Transportation, 1, 100004, 2025

Edge Deployment of Small Language Models, a comprehensive comparison of CPU, GPU and NPU backends

边缘部署的小语言模型：CPU、GPU和NPU后端的综合比较

Pablo Prieto, Pablo Abad

专题命中 效率与部署 ：language model(title,abstract)；small language model(title,abstract)；large language model(abstract)；SLM(abstract)

AI总结 本研究比较了CPU、GPU和NPU在边缘部署小语言模型的性能和能效，发现NPU在性能和能效上表现最佳。

Comments 8 pages, 9 figures

You May Speak Freely: Improving the Fine-Grained Visual Recognition Capabilities of Multimodal Large Language Models with Answer Extraction

你可能可以自由发言：通过答案提取提升多模态大语言模型的细粒度视觉识别能力

Logan Lawrence, Oindrila Saha, Megan Wei, Chen Sun, Subhransu Maji, Grant Van Horn

机构 * University of Massachusetts, Amherst（马萨诸塞大学阿姆赫斯特分校） ； Brown University（布朗大学） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL

AI总结 本文提出nlg2choice方法，通过两阶段策略提升多模态大语言模型在细粒度视觉识别任务中的表现，通过开放性问题和受限解码提高检索效率。

Comments Accepted to WACV26. 12 pages, 8 tables, 5 figures

LaMoSys3.5D: Enabling 3.5D-IC-Based Large Language Model Inference Serving Systems via Hardware/Software Co-Design

LaMoSys3.5D：通过软硬件协同设计实现基于3.5D-IC的大语言模型推理服务系统

Qipan Wang, Zhe Zhang, Shuangchen Li, Hongzhong Zheng, Zheng Liang, Yibo Lin, Runsheng Wang, Ru Huang

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)

AI总结 LaMoSys3.5D通过软硬件协同设计，实现了基于3.5D-IC的大语言模型推理服务系统，提升了能效和端到端延迟性能。

Unveiling Latent Knowledge in Chemistry Language Models through Sparse Autoencoders

通过稀疏自编码器揭示化学语言模型中的潜在知识

Jaron Cohen, Alexander G. Hasson, Sara Tanovic

机构 * Independent researcher（独立研究者） ； Department of Oncology, University of Oxford（牛津大学肿瘤学系） ； Department of Chemistry, University of Oxford（牛津大学化学系） 纠错

专题命中 效率与部署 ：language model(title,abstract)；LLM(abstract)；large language model(abstract)；foundation model(abstract)

AI总结 通过稀疏自编码器揭示化学语言模型中的潜在知识，分析其在不同分子数据集上的激活模式，揭示化学概念的丰富景观。

Adaptation of Embedding Models to Financial Filings via LLM Distillation

通过LLM蒸馏适应金融文件的嵌入模型

Eliot Brenner, Dominic Seyler, Manjunath Hegde, Andrei Simion, Koustuv Dasgupta, Bing Xiang

专题命中 效率与部署 ：LLM(title,abstract)；large language model(abstract,comments)；language model(abstract,comments)；分类 cs.CL

AI总结 本文通过LLM蒸馏方法，提升金融领域检索性能，实现MRR@5和DCG@5的显著提升。

Comments In proceedings of LLM-Finance 2025 : The 2nd IEEE International Workshop on Large Language Models for Finance

A Multi-Agent LLM Framework for Design Space Exploration in Autonomous Driving Systems

多智能体大语言模型框架用于自动驾驶系统的设计空间探索

Po-An Shih, Shao-Hua Wang, Yung-Che Li, Chia-Heng Tu, Chih-Han Chang

机构 * National Cheng Kung University（国立成功大学） ； Safeware Technology Inc.（Safeware技术公司） 纠错

专题命中 效率与部署 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)

AI总结 本文提出基于多智能体大语言模型的自动驾驶系统设计空间探索框架，通过多模态推理和3D模拟工具自动化解析执行输出，提升设计效率和成本效益。

Token Sugar: Making Source Code Sweeter for LLMs through Token-Efficient Shorthand

Token Sugar：通过高效的token缩写使源代码更甜

Zhensu Sun, Chengran Yang, Xiaoning Du, Zhou Yang, Li Li, David Lo

专题命中 效率与部署 ：LLM(abstract)；large language model(abstract)；language model(abstract)；pretraining(abstract)

AI总结 Token Sugar通过高效的token缩写减少源代码的token数量，提升LLM在代码生成中的效率和性能。

Comments Accepted by ASE'25

OMNIGUARD: An Efficient Approach for AI Safety Moderation Across Languages and Modalities

OMNIGUARD：一种跨语言和模态的高效AI安全审查方法

Sahil Verma, Keegan Hines, Jeff Bilmes, Charlotte Siska, Luke Zettlemoyer, Hila Gonen, Chandan Singh

机构 * University of Washington（华盛顿大学） ； Microsoft（微软公司） 纠错

专题命中 效率与部署 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 Omniguard提出了一种跨语言和模态的高效方法，通过构建语言或模态无关的分类器提升有害提示检测的准确率，并在多语言、图像和音频提示任务中取得显著效果。

Empowering smart app development with SolidGPT: an edge-cloud hybrid AI agent framework

通过SolidGPT赋能智能应用开发：一种边缘-云混合AI代理框架

Liao Hu, Qiteng Wu, Ruoyu Qi

机构 * University of Illinois, Chicago, USA（伊利诺伊大学芝加哥分校） ； North Carolina State University, North Carolina, USA（北卡罗来纳州立大学） 纠错

专题命中 效率与部署 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 SolidGPT是一种结合边缘计算与云计算的AI代理框架，通过交互式代码查询、自动化项目生成和人机协作提升开发者生产力，适用于智能移动和软件工程领域。

Journal ref Advances in Engineering Innovation 16.7 (2025): 86-92

A Practical Guide for Designing, Developing, and Deploying Production-Grade Agentic AI Workflows

生产级智能体AI工作流设计、开发与部署的实用指南

Eranga Bandara, Ross Gore, Peter Foytik, Sachin Shetty, Ravi Mukkamala, Abdul Rahman, Xueping Liang, Safdar H. Bouk, Amin Hass, Sachini Rajapakse, Ng Wee Keong, Kasun De Zoysa, Aruna Withanage, Nilaan Loganathan

机构 * Old Dominion University（旧 Dominion 大学） ； Florida International University（佛罗里达国际大学） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.AI

AI总结 本文提出了一套生产级智能体AI工作流的设计、开发和部署的最佳实践，涵盖架构设计、多智能体模式、模型上下文协议及环境感知部署策略，旨在提升系统的可靠性与可维护性。

RaX-Crash: A Resource Efficient and Explainable Small Model Pipeline with an Application to City Scale Injury Severity Prediction

RaX-Crash：一种资源高效且可解释的小模型流水线及其在城市规模伤害严重性预测中的应用

Di Zhu, Chen Xie, Ziwei Wang, Haoyun Zhang

机构 * 1 Department of Computer Science ； Engineering, Santa Clara University, Santa Clara, USA Email ； 2 Manning College of Information \& Computer Sciences, University of Massachusetts Amherst, Amherst, MA, USA Email ； 3 Department of Electrical ； Computer Engineering, Carnegie Mellon University, Pittsburgh, USA Email ； 4 University of Pennsylvania, Philadelphia, USA Email 纠错

专题命中 效率与部署 ：language model(abstract)；small language model(abstract)；SLM(abstract)；分类 cs.LG

AI总结 RaX-Crash通过高效小模型和可解释性方法，在城市规模伤害严重性预测中实现优于小语言模型的性能，同时通过SHAP分析揭示关键影响因素。

Secure or Suspect? Investigating Package Hallucinations of Shell Command in Original and Quantized LLMs

安全还是可疑？探究原始和量化LLM生成的shell命令中的包幻觉

Md Nazmul Haque, Elizabeth Lin, Lawrence Arkoh, Biruk Tadesse, Bowen Xu

专题命中 效率与部署 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 研究探讨量化对LLM生成Go包中包幻觉和安全风险的影响，发现量化降低精度会增加幻觉率和漏洞风险，揭示LLM生成依赖项的系统性错误模式。

Arbitrage: Efficient Reasoning via Advantage-Aware Speculation

套利：通过优势感知投机实现高效推理

Monishwaran Maheswaran, Rishabh Tiwari, Yuezhou Hu, Kerem Dilmen, Coleman Hooper, Haocheng Xi, Nicholas Lee, Mehrdad Farajtabar, Michael W. Mahoney, Kurt Keutzer, Amir Gholami

机构 * UC Berkeley（伯克利大学） ； Apple（苹果公司） ； ICSI（信息与计算科学研究所） ； LBNL（劳伦斯伯克利国家实验室） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 Arbitrage通过动态路由机制提升步骤级投机生成的效率和准确性，减少推理延迟。

Comments 22 pages

Argus: A Multi-Agent Sensitive Information Leakage Detection Framework Based on Hierarchical Reference Relationships

Argus：基于分层参考关系的多智能体敏感信息泄露检测框架

Bin Wang, Hui Li, Liyang Zhang, Qijia Zhuang, Ao Yang, Dong Zhang, Xijun Luo, Bing Lin

机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（超高清沉浸媒体技术广东省重点实验室，北京大学深圳研究生院） ； University of Electronic Science and Technology of China（电子科技大学） ； Tencent Security Platform Department（腾讯安全平台部） ； China Unicom (Guangdong) Industrial Internet Co., Ltd（中国联通（广东）工业互联网有限公司） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 Argus通过多智能体协作框架整合关键内容、文件上下文和项目参考关系，有效降低误报率，提升敏感信息检测的准确性和效率。

Comments 11 pages, 7 figures, 8 tables;Accepted to ICSE 2026 Research Track

Beyond Traditional Diagnostics: Transforming Patient-Side Information into Predictive Insights with Knowledge Graphs and Prototypes

超越传统诊断：利用知识图谱和原型将患者侧信息转化为预测洞察

Yibowen Zhao, Yinan Zhang, Zhixiang Su, Lizhen Cui, Chunyan Miao

机构 * Joint SDU-NTU Centre for Artificial Intelligence Research \& School of Software Shandong University Jinan, China ； College of Computing ； Data Science Nanyang Technological University Singapore 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 KPI框架通过整合知识图谱和原型，利用对比学习提升预测准确性，并生成医学相关的解释，以提高疾病预测的可解释性和实用性。

Comments This work has been accepted by ICDE 2026 and is available on arXiv for early access

Performance Measurements in the AI-Centric Computing Continuum Systems

面向AI导向计算连续体系统的性能测量

Praveen Kumar Donta, Qiyang Zhang, Schahram Dustdar

机构 * Department of Computer Systems and Sciences（计算机系统科学系） ； Stockholm University（斯德哥尔摩大学） ； Computer Science School（计算机科学学院） ； Peking University（北京大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文探讨了AI导向计算连续体系统中性能测量的挑战与方法，提出新的性能维度以适应不断变化的计算需求。

Beyond Real Weights: Hypercomplex Representations for Stable Quantization

超越真实权重：用于稳定量化 的超复数表示

Jawad Ibn Ahad, Maisha Rahman, Amrijit Biswas, Muhammad Rafsan Kabir, Robin Krambroeckers, Sifat Momen, Nabeel Mohammed, Shafin Rahman

机构 * Artificial Intelligence Department, RobotBulls Labs（机器人bulls实验室人工智能部门） ； Machine Intelligence Lab (MILab), North South University（北南大学机器智能实验室） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.CL

AI总结 本文提出了一种基于超复数乘法的渐进式重新参数化策略，用于压缩多模态语言模型，实现参数和计算量的显著减少，同时保持模型性能。

Comments Accepted in Winter Conference on Applications of Computer Vision (WACV) 2026

Magneton: Optimizing Energy Efficiency of ML Systems via Differential Energy Debugging

Magneton: 通过微分能量调试优化机器学习系统的能效

Yi Pan, Wenbo Qian, Dedong Xie, Ruiyan Hu, Yigong Hu, Baris Kasikci

机构 * University of Washington（华盛顿大学） ； Boston University（波士顿大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.LG

AI总结 Magneton 通过微分能量调试技术，识别并诊断 ML 系统中的能耗低效问题，发现多个已知和未知的能耗浪费案例。

Comments 12 pages, 10 fi

Information-Dense Reasoning for Efficient and Auditable Security Alert Triage

信息密集推理用于高效且可审计的安全警报分拣

Guangze Zhao, Yongzheng Zhang, Changbo Tian, Dan Xie, Hongri Liu, Bailing Wang

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； CHANG AN communication technology Co., Ltd.（CHANG AN通信技术有限公司） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology (Weihai) Qingdao Research Institute（哈尔滨工业大学（威海）青岛研究院） ； Shandong Key Laboratory of Industrial Network Security（山东省工业网络信息安全重点实验室） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.AI

AI总结 AIDR通过混合云边框架和信息密度优化，实现高效且可审计的安全警报分拣，减少40.6%的延迟并提升准确性。

Prot2Token: A Unified Framework for Protein Modeling via Next-Token Prediction

Prot2Token: 一种通过下一个词预测进行蛋白质建模的统一框架

Mahdi Pourmirzaei, Farzaneh Esmaili, Salhuldin Alqarghuli, Mohammadreza Pourmirzaei, Ye Han, Kai Chen, Mohsen Rezaei, Duolin Wang, Dong Xu

专题命中 效率与部署 ：language model(abstract)；分类 cs.LG

AI总结 Prot2Token通过统一框架实现蛋白质建模，利用下一个词预测技术提升多种蛋白质预测任务的效率和准确性。

Oscillations Make Neural Networks Robust to Quantization

振荡使神经网络对量化具有鲁棒性

Jonathan Wenshøj, Bob Pepin, Raghavendra Selvan

机构 * Department of Computer Science, University of Copenhagen（计算机科学系，哥本哈根大学） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.LG

AI总结 本研究通过引入振荡正则化器，证明在QAT中振荡有助于提升模型在量化后的性能。

Comments Accepted to Transactions on Machine Learning Research (TMLR, 2025). Published version https://openreview.net/forum?id=bPwcJ0nkDC

Journal ref TMLR, 2835-8856, 2025

High-Throughput Unsupervised Profiling of the Morphology of 316L Powder Particles for Use in Additive Manufacturing

高通量无监督分析316L粉末颗粒形态用于增材制造

Emmanuel Akeweje, Conall Kirk, Chi-Wai Chan, Denis Dowling, Mimi Zhang

机构 * School of Computer Science and Statistics, Trinity College Dublin（都柏林信任学院计算机科学与统计学系） ； School of Mechanical and Aerospace Engineering, Queen's University Belfast（贝尔法斯特女王大学机械与航空航天工程系） ； School of Mechanical and Materials Engineering, University College Dublin（都柏林大学学院机械与材料工程系） 纠错

专题命中 效率与部署 ：SLM(abstract)

AI总结 本文提出了一种高通量无监督学习框架，用于大规模分析316L粉末颗粒形态，通过形状提取和聚类技术提升增材制造中原料表征的效率和准确性。

CATP: Contextually Adaptive Token Pruning for Efficient and Enhanced Multimodal In-Context Learning

CATP：面向高效增强多模态上下文学习的上下文自适应令牌剪枝

Yanshu Li, Jianjiang Yang, Zhennan Shen, Ligong Han, Haoyan Xu, Ruixiang Tang

专题命中 效率与部署 ：language model(abstract)

AI总结 CATP通过上下文自适应令牌剪枝方法，提升多模态上下文学习的效率和性能，减少冗余令牌带来的影响。

Comments 14 pages, 12 figures, 6 tables